pandas不同时间步长的滚动窗口相关性计算

【问题标题】：Rolling window correlation calculations for different time step in pandaspandas不同时间步长的滚动窗口相关性计算
【发布时间】：2016-02-16 13:36:05
【问题描述】：

我有一个 DataFrame，其中包含几年内不同证券的回报。我想计算每个月最后一天的 100 天窗口中的相关性。

rolcor = pd.rolling_corr(df2,window=100,pairwise = True)

Date            Sec1          Sec2          Sec3          Sec4    ....
...
2006-01-24      0.000595     -0.009683     -0.004044      0.020969   ....
2006-01-25      0.013976      0.024152     -0.001015      0.019122   ....
2006-01-26      0.011730      0.008323      0.026423     -0.006254   ....
2006-01-27      0.020290      0.000000      0.014851      0.004196   ....
2006-01-30      0.046875      0.018937      0.000000      0.007660   ....
2006-01-31     -0.049118     -0.014852     -0.006829     -0.005529   ....
....

pd.rolling_corr 进行计算，但它们是针对原始 DataFrame 中的所有数据点完成的，而我只需要每个月的最后一天。有什么建议吗？

【问题讨论】：

标签： python pandas correlation

【解决方案1】：

据我了解，您只想考虑当月最后一天的价格

periods = n
index = pd.date_range('2006-01-31', periods=n, freq='M')
print index

DatetimeIndex(['2006-01-31', '2006-02-28', ... , '2006-10-31'], dtype='datetime64[ns]', freq='M')

然后使用它来分割月末值。

df2.loc[index]

有什么东西告诉我这不是你想要的吗？

【讨论】：

不是。基本上我想做pd.rolling_corr(df2,window=100,pairwise = True) 所做的事情，但是对于 df2 中的所有日期不具有相关矩阵，例如对于月末日期，或者对于 df2 中的每 20 个日期。 IE。这样返回的 DataFrame 将没有 2006-01-24, 2006-01-25, 2006-01-26, 2006-01-27, 2006-01-28, ... 日期，而是 2006-01-31, 2006-02-28, 2006-03-31, 2006-04-30, 2006-05-31,.... I could extract it from the current pd.rolling_corr(df2,window=100,pairwise = True)`结果，但我想减少计算时间。